Q80 — AWS SAA-C03 第14章

第 80/100 問 | ← 第14章

Q1080. ある企業は、インターネット接続機能を備えた多数の車両を保有しており、これらの車両からテレメトリデータを社内に送信しています。同社は、5分ごとに100万件を超えるデータポイントを車両から受信しています。このデータは、機械学習（ML）アプリケーションで活用され、車両の保守時期の予測および部品の事前注文に使用されます。また、収集されたデータに基づいて可視化レポートが生成されています。同社は、このテレメトリデータの取り込み、処理、および可視化のワークロードをAWSへ移行したいと考えています。これらの要件を満たすソリューションはどれですか？

正解: A. Amazon Timestream for LiveAnalytics を使用してデータポイントを保存します。Amazon SageMaker がそのデータにアクセスして処理できるよう、必要な権限を付与します。データの可視化には Amazon QuickSight を使用します。

解説

車両のテレメトリデータの取り込み、処理、および可視化のワークロードをAWSへ移行するための最適なソリューションを特定するには、各オプションを以下の要件に基づいて評価する必要があります： 要件の概要： ・車両から5分ごとに100万件を超えるデータポイントを受信。 ・データは機械学習（ML）アプリケーションで活用され、保守予測および部品の事前注文に使用される。 ・収集したデータに基づく可視化レポートが生成される。 各オプションの検討： A. Amazon Timestream for LiveAnalytics を使用してデータポイントを保存。Amazon SageMaker へのデータアクセス権限を付与し、処理に利用。可視化には Amazon QuickSight を使用。 利点： ・Amazon Timestream は時系列データ向けに設計されており、車両からのテレメトリデータに最適です。 ・LiveAnalytics 機能により、リアルタイムでのクエリおよび分析が可能です。 ・Amazon SageMaker は強力なMLサービスであり、大規模な時系列データの処理・分析に適しています。 ・Amazon QuickSight は、インタラクティブなビジュアライゼーションとビジネスインテリジェンス向けに最適化されたサービスです。 適合性： このソリューションは、高頻度の時系列データ（テレメトリ）の取り込み・分析・ML処理・可視化という一連のワークフローを包括的にサポートしており、要件に最も合致します。 B. Amazon DynamoDB を使用してデータポイントを保存。DynamoDB Connector を活用し、DynamoDB から Amazon EMR へデータをインジェストして処理。可視化には Amazon QuickSight を使用。 問題点： ・DynamoDB は一般-purpose のNoSQLデータベースであり、時系列データの効率的な格納・クエリには最適ではありません（例：時間範囲フィルタリングや時系列集計のパフォーマンスが劣る）。 ・DynamoDB Connector は、DynamoDB から EMR へデータを直接インジェストする公式機能ではなく、実装が複雑かつ非効率的です。通常、Kinesis Data Streams や AWS Glue を経由したETLが推奨されます。 ・EMR はバッチ処理に強い一方、リアルタイム性や時系列特化の処理にはTimestream＋LiveAnalytics＋SageMakerの組み合わせより劣ります。 C. Amazon Neptune を使用してデータポイントを保存。Amazon Kinesis Data Streams を活用し、Neptune から AWS Lambda 関数へデータをインジェストして処理。可視化には Amazon QuickSight を使用。 問題点： ・Amazon Neptune はグラフデータベースであり、時系列データの格納・管理には不適切です（時系列データは時刻順の構造化データであり、ノード／エッジ関係を表現するものではありません）。 ・Kinesis Data Streams から Neptune へのデータ流入は技術的に可能ですが、逆方向（Neptune → Kinesis → Lambda）のデータフローは非標準的で、冗長かつ非効率です。 ・Lambda は軽量なイベント駆動処理に適していますが、100万件/5分というスケールのML処理には不向きです（タイムアウト、メモリ制限、ステートフル処理の困難さなど）。 D. Amazon Timestream for LiveAnalytics を使用してデータポイントを保存。Amazon SageMaker へのデータアクセス権限を付与し、処理に利用。可視化には Amazon Athena を使用。 問題点： ・Amazon Athena は、S3上のデータに対するSQLクエリサービスであり、Timestream とのネイティブ統合は存在しません（Timestream は独自のクエリエンジンを持ち、Athena では直接クエリできません）。 ・つまり、Timestream のデータをAthenaで可視化するには、まずS3へエクスポートする必要があり、レイテンシと運用負荷が増加します。 ・一方、Amazon QuickSight はTimestreamとネイティブ統合されており、リアルタイムのダッシュボード作成が可能です。 以上より、オプションAが、時系列データの取り込み（Timestream）、リアルタイム分析（LiveAnalytics）、ML処理（SageMaker）、およびインタラクティブ可視化（QuickSight）という全要件を自然かつ効率的に満たす唯一のソリューションです。